2.4. Statistical analysisAll values

2.4. Statistical analysis
All values of pollen density, RPF, and cross-pollination were log(x + 1) transformed to improve the normality of errors. To detectwhether Sorghum barrier reduces gene flow from GM maize to con-ventional maize, a general linear mixed effect model was fitted (Y∼Sorghum + (1|direction/distance)) using restricted maximum likeli-hood (REML), with Sorghum barrier as the fixed effect and directionand distance as random effects.To calculate the trends of pollen flow and cross-pollination rateover distances at each direction in the open and Sorghum experi-ments, two models were employed. Pollen number was ln (x + 1)transformed. Cross-pollination rate was square root transformed.First, a power trend line (y∼ a × exp(−b × x)) was fitted using thenonlinear least-squares estimates. Second, the distance was trans-formed with natural logarithm (ln) and a linear model (y∼ a + b × x)was employed to fit the trends. Diffslope (simba package in R) wasemployed to test the difference in slopes and intercepts of open andSorghum linear regression lines at each direction. The maximumthreshold distances at which no pollen load or cross-pollinationrate is equal to or lower than a threshold value of 0.9% (EuropeanUnion labeling threshold, EC 2003) at each direction were predictedusing the two models respectively. Paired students’ t-test was usedto test whether Sorghum barrier have effect on the observed andpredicted maximum distance of pollen flow and cross-pollinationrate. Statistical analysis was performed using R software with thepackages “lme4” and “simba” (R Development Core Team, 2012).

ผลลัพธ์ (ไทย) 1:

2.4. สถิติวิเคราะห์ค่าทั้งหมดของความหนาแน่นละอองเกสร RPF และการผสมเกสรข้ามถูกล็อก (x + 1) เปลี่ยนการปรับปรุงเครื่องผิดพลาด การ detectwhether ข้าวฟ่าง อุปสรรคลดการไหลของยีนจากข้าวโพดจีเอ็มคอน ventional ข้าวโพด แก้ไขการติดตั้งแบบผลรวมเชิงเส้นทั่วไป (Y∼Sorghum + (1 | ทิศทาง/ระยะทาง)) ใช้จำกัดสูงสุด likeli-เครื่องดูดควัน (REML), กับข้าวฟ่างอุปสรรคเป็นระยะผลและ directionand คงเป็นผลกระทบแบบสุ่ม การคำนวณแนวโน้มของเกสรไหลและผสมเกสรข้าม rateover ระยะเวลาแต่ละทิศทางในการเปิดและข้าวฟ่าง experi-ดัง รุ่นสองคน จำนวนเกสรคือ ln (x + 1) เปลี่ยน อัตราการผสมเกสรข้ามเป็นรากที่สองแปลง ครั้งแรก เส้นแนวโน้มพลังงาน (y∼ ×เป็น exp(−b × x)) ถูกติดตั้งโดยใช้การประมาณการกำลังสองน้อยสุด thenonlinear วินาที ระยะทางคือทรานส์เกิดลอการิทึมธรรมชาติ (ln) และแบบจำลองเชิงเส้น (y∼ + b × x) ถูกจ้างให้เหมาะสมกับแนวโน้มการ Wasemployed Diffslope (แพคเกจซิมบาใน R) การทดสอบความแตกต่างของเนินและ intercepts เปิด andSorghum ถดถอยเชิงเส้นบรรทัดในแต่ละทิศทาง ระยะทาง maximumthreshold ซึ่งไม่มีเกสรโหลดข้าม pollinationrate เป็นหรือเท่ากับ หรือต่ำกว่าค่าขีดจำกัดของ 0.9% (EuropeanUnion ติดฉลากเกณฑ์ EC 2003) ในแต่ละทิศทางได้ predictedusing ทั้งสองรุ่นตามลำดับ นักเรียนจับคู่ทดสอบ t ถูก usedto ทดสอบว่า ข้าวฟ่างอุปสรรคที่มีผลต่อระยะห่างสูงสุด andpredicted สังเกตกระแสเกสรและข้าม pollinationrate ดำเนินการวิเคราะห์ทางสถิติโดยใช้ซอฟต์แวร์ R thepackages "lme4" และ "ซิมบา" (R พัฒนาหลักทีม 2012)

ผลลัพธ์ (ไทย) 2:

2.4 การวิเคราะห์ทางสถิติ
ค่าทั้งหมดของความหนาแน่นของเกสร RPF และการผสมเกสรข้ามได้เข้าสู่ระบบ (x + 1) เปลี่ยนเพื่อปรับปรุงปกติของข้อผิดพลาด เพื่อ detectwhether ข้าวฟ่างอุปสรรคช่วยลดการไหลของยีนจากข้าวโพดจีเอ็มที่จะ con-ventional ข้าวโพดทั่วไปเชิงเส้นรูปแบบผสมผลก็พอดี (Y~Sorghum + (1 | ทิศทาง / ระยะทาง)) โดยใช้ จำกัด สูงสุด likeli ประทุน (REML) กับอุปสรรคข้าวฟ่าง เป็นผลคงที่และระยะทาง directionand เป็น effects.To สุ่มคำนวณแนวโน้มของการไหลของเกสรและการผสมเกสรข้ามระยะทาง rateover ในแต่ละทิศทางในการเปิดและข้าวฟ่างประสบ-ments รุ่นที่สองที่ถูกว่าจ้าง จำนวนเกสรเป็น LN (x + 1) เปลี่ยน อัตราการผสมเกสรข้ามเป็นราก transformed.First, เส้นแนวโน้มพลังงาน (y~ × exp (-b × x)) ก็พอดีใช้ thenonlinear ประมาณการอย่างน้อยสี่เหลี่ยม ประการที่สองระยะคือทรานส์เกิดขึ้นกับลอการิทึมธรรมชาติ (LN) และรูปแบบเชิงเส้น (y + B × x) ที่ถูกจ้างมาเพื่อให้พอดีกับแนวโน้ม Diffslope (แพคเกจซิมบ้าใน R) wasemployed เพื่อทดสอบความแตกต่างในเนินเขาและดักเปิด andSorghum เส้นถดถอยเชิงเส้นในแต่ละทิศทาง ระยะทาง maximumthreshold ที่ไม่มีภาระเกสรหรือข้าม pollinationrate เท่ากับหรือต่ำกว่าค่าเกณฑ์ 0.9% (เกณฑ์การติดฉลาก EuropeanUnion, EC 2003) ในแต่ละทิศทางถูก predictedusing สองรุ่นตามลำดับ นักเรียนจับคู่ 't-test คือการทดสอบ usedto ไม่ว่าจะเป็นอุปสรรคข้าวฟ่างมีผลกระทบในระยะทางสูงสุดสังเกต andpredicted ของการไหลและเกสรข้าม pollinationrate การวิเคราะห์ทางสถิติได้ดำเนินการโดยใช้ซอฟแวร์ R กับ thepackages "lme4" และ "ซิมบ้า" (R พัฒนาหลักของทีม, 2012)

ผลลัพธ์ (ไทย) 3:

2.4 . สถิติที่ใช้ในการวิเคราะห์ข้อมูลค่าทุกค่าของความหนาแน่น rpf เกสรและการผสมข้ามเป็น log ( x + 1 ) แปลงเพื่อปรับปรุงปกติของข้อผิดพลาด เพื่อลดการไหลของยีนจากอุปสรรค detectwhether ข้าวฟ่างข้าวโพดจีเอ็มหลอก ventional ข้าวโพด ผลผสมเชิงเส้นทั่วไป แบบติดตั้ง ( Y ∼ข้าวฟ่าง + ( 1 | ทิศทาง / ระยะทาง ) ใช้ Restricted Maximum likeli Hood ( REML ) กับ ข้าวฟ่าง กั้นเป็นถาวรผล และ directionand ระยะทางผลสุ่ม เพื่อหาแนวโน้มของ การไหลของเกสรและการผสมข้าม rateover ระยะทางในแต่ละทิศทางในการเปิดและข้าวฟ่างประสบการ ments , สองรุ่นได้แก่ . หมายเลขเกสรคือ LN ( x + 1 ) แปลง อัตราการผสมเกสรข้ามคือรากที่สองเปลี่ยน ครั้งแรก ใช้เส้นแนวโน้ม ( Y ∼เป็น EXP ( −×× B X ) ติดตั้งโดยใช้วิธี thenonlinear ประมาณการ ประการที่สอง ระยะทางข้ามเกิดขึ้นกับลอการิทึมธรรมชาติ ( LN ) และแบบจำลองเชิงเส้น ( Y + B ∼× X ) มีจำนวนพอดีกับแนวโน้ม diffslope หรือแพคเกจใน R ) ใช้ทดสอบความแตกต่างในลาดและ intercepts เปิด andsorghum ถดถอยเชิงเส้นตรงเส้นในแต่ละทิศทาง การ maximumthreshold ระยะทางที่ไม่มีภาระเกสรหรือข้าม pollinationrate เท่ากับหรือต่ำกว่าเกณฑ์คุณค่าของ 0.9% ( europeanunion ธรณีประตู การติดฉลาก EC 2003 ) ในแต่ละทิศทางเป็น predictedusing ทั้งสองรูปแบบตามลำดับ Paired t-test นักเรียนมาทดสอบว่าข้าวฟ่างกั้นได้ผลสังเกต andpredicted ระยะห่างสูงสุดของการไหลของเรณูและข้าม pollinationrate . วิเคราะห์การใช้ซอฟต์แวร์ R กับ thepackages " lme4 " และ " ซิมบา " ( ทีมหลัก r พัฒนา 2012 )